/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Библиотека
transformers
Опубликована
10 апр 2026

Darwin-4B-David

Генерация текстаТекст → текст3 профессии

Экспериментальная модель Gemma 4 на 4,5 млрд параметров для диалоговой генерации текста и рассуждений, полученная эволюционным слиянием двух моделей.

71скачиваний за 30 дней63лайкавеса обновлены11 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки1

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • Idavidrein/gpqa

    score · выше — лучше

    Результат

    85

    question-answering 85diamond 85
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Darwin-4B-David — экспериментальная модель семейства Gemma 4, созданная FINAL-Bench методом эволюционного слияния Darwin-4B-Opus и DavidAU/DECKARD-Expresso-Universe. В карточке указаны 4,5 млрд параметров, плотная архитектура Gemma4, формат BF16 и контекст 128K; метаданные указывают библиотеку Transformers и файлы safetensors. Модель предназначена для диалоговой генерации текста и рассуждений в режиме thinking. README заявляет поддержку более 140 языков и сохранённые возможности обработки изображений, видео и аудио, однако метаданные подтверждают только английский, корейский, японский и китайский языки, а формат модели указан как текстовая генерация.

Автор приводит результат 85% на GPQA Diamond, полученный на выборке из 50 вопросов с восемью генерациями и голосованием большинства; полный набор из 198 вопросов не проверялся. В README также сообщается о равных исходной модели результатах на ARC-Challenge и KMMLU при оценке по логарифмическим правдоподобиям. Лицензия — Apache 2.0. Заявления о мультимодальности и широком языковом охвате следует считать сведениями из карточки автора, тогда как доступные метаданные их не подтверждают.

Сценарии применения

  • диалоговые ответы с пошаговыми рассуждениями
  • решение задач по естественным наукам
  • генерация текста на английском и восточноазиатских языках

Ограничения

Заявленный результат GPQA Diamond основан на 50 из 198 вопросов и оценке с голосованием по восьми генерациям; полная проверка не приведена. Метаданные не подтверждают заявленные в README мультимодальность и поддержку более 140 языков.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

📱 Run it on your phone or a GPU-less PC → POCKET · 🚀 Try it live (CPU chat)

VIDRAFT's on-device family: a 35B model that runs on iPhone and on CPU with no GPU — stock llama.cpp, no fork.

Live demo Collection 35B KR MLX EN

Darwin-4B-David — The First Second-Generation Darwin Model

Gemma 4 E4B Dense | 4.5B Params | Thinking Mode | 128K Context | 140+ Languages | BF16 | Apache 2.0
The first-ever second-generation Darwin model — "Evolution of Evolution"


Overview

Darwin-4B-David is the first second-generation (Generation 2) model in Darwin history — a model evolved from an already-evolved model.

The first-generation Darwin-4B-Opus (Father) was evolved from the original gemma-4-E4B-it using the Darwin V6 engine. Darwin-4B-David was born by crossbreeding this first-generation evolved model with DavidAU's DECKARD-Expresso-Universe (Mother). This is the first realization of Darwin's core concept: "Merge = Evolve" applied recursively.

The name "David" pays tribute to the Mother model's creator DavidAU, while evoking the biblical David who defeated Goliath — symbolizing how a 4.5B small model challenges models many times its size.


Family Tree

Generation Comparison

Gen 0 (Original)Gen 1 (Opus)Gen 2 (David)
Modelgemma-4-E4B-itDarwin-4B-OpusDarwin-4B-David
ParentsGoogle trainingOriginal + Claude distillEvolved model + DECKARD
GPQA Diamond58.6%—85.0% (+26.4%p)
Recursive evolutionNone1×2× (evolution of evolution)
Core genesGeneral-purposeClaude reasoningReasoning + Creativity + Thinking

Parent Models

RoleModelCharacteristics
Father (Gen-1 Evolved)FINAL-Bench/Darwin-4B-OpusDarwin V6 Gen-1, ARC-C 82.92%, Claude Opus reasoning distillation
MotherDavidAU/DECKARD-Expresso-UniverseBF16, Unsloth deep tuning (5 in-house datasets), Universe logic/insight enhancement, Thinking mode default

Model Diagnostic Scan (MDS)

Left: Father (Darwin-4B-Opus) — REASONING concentration in later layers (dist 0.4), MATH activation throughout. Already optimized through Gen-1 evolution.
Right: Mother (DECKARD-Expresso-Universe) — Strong KOREAN hotspot (dist 1.5), signature of Unsloth deep tuning. Remaining regions show uniform distribution.


Benchmarks

Key Results

Benchmarkgemma-4-E4B-it (Original)Darwin-4B-David (Gen-2)ImprovementConditions
GPQA Diamond58.6%85.0%+26.4%pGenerative, maj@8, 50Q sampling
ARC-Challenge64.93%64.93%±025-shot, chat template, BF16, loglikelihood
KMMLU48.47%48.46%±05-shot, 225Q, loglikelihood

GPQA Diamond Evaluation Details

GPQA Diamond (graduate-level scientific reasoning) was evaluated using generative (thinking mode) evaluation.

SettingValue
DatasetIdavidrein/gpqa, gpqa_diamond split
Questions50 (sampled from 198 total)
Evaluation methodmaj@8 (8 independent generations per question, majority vote determines final answer)
Prompt formatEpoch AI standard (ANSWER: LETTER)
Thinking modeEnabled (chat_template, enable_thinking)
max_new_tokens4,096
temperature1.0
top_p / top_k0.95 / 64
PrecisionBF16
Choice shufflingFixed seed per question (MD5 hash)

Why maj@8:

  • Single-sample (greedy/pass@1) is vulnerable to stochastic variation with do_sample
  • 8 independent generations with majority voting reflects the model's stable reasoning capability
  • maj@k is standard practice in frontier model benchmarks (AIME, MATH, etc.)

Note on 50-question sampling:

  • GPQA Diamond contains 198 questions total; 50 questions represent 25.3% of the full set
  • 50 questions × 8 samples = 400 total generations, providing sufficient statistical confidence
  • Full 198-question evaluation is planned

Note on lm-eval Loglikelihood Results

ARC-Challenge and KMMLU show identical scores to the original model. This is characteristic of DARE-TIES merging: the loglikelihood method compares token probabilities across answer choices and does not capture differences in generation quality, reasoning chains, or creativity. The evolution effect is clearly visible in generative evaluation (GPQA Diamond), where the difference emerges during step-by-step thinking mode reasoning.


MRI-Guided Evolution Recipe

Darwin V6's Model MRI scanned weight divergence across all 42 layers and automatically assigned independent weight ratios to each layer.

Layer RangeWeightStrategy
Layer 0-30.81Absorb Mother's embedding-adjacent layers
Layer 15-160.91Maximum Mother creativity/character layer reinforcement
Layer 22-250.95Maximum absorption of Mother's KOREAN hotspot
Layer 26-270.40Father priority preservation zone
Layer 30-400.48Father REASONING/MATH preservation
Layer 40-420.62Output layer balance

Parent Comparison

Evolution Parameters

SettingValue
Merge methodDARE-TIES (direct PyTorch, no mergekit dependency)
Density0.800 ~ 0.850
Normalizationnormalize: true
Evolution methodDarwin mergekit (MRI-guided)
Population size20
Phase 1 (proxy search)200 steps
Phase 2 (real merge)10 steps, top 5 elite
Fitness functionkmmlu_lite (Korean knowledge)
Best fitness0.8412 (84.12%)
Total time45.3 minutes (H100 ×1)

Darwin V6 vs Conventional Merging

Capabilitymergekit (DARE-TIES)Darwin V6
ImplementationLibrary call (mergekit CLI)Direct PyTorch tensor operations, no external dependency
Ratio selectionUniform ratio across all tensorsPer-tensor ratio from MDS diagnostic (independent ratios per tensor)
Pre-merge analysisNoneStatic tensor profiling (entropy, std, norm) + probe-based functional importance (5 probes)
TransplantNot supportedratio < 0.15 → Father 100%, ratio > 0.85 → Mother 100% (zero interpolation noise)
Post-merge validationBenchmark score onlyLayer-by-layer Health Check: child vs both parents, interference and function loss detection
Search methodManual tuningCMA-ES evolution with adaptive genome
ReproducibilityConfig filegenome_hash seed guarantees identical output for identical genome
GPU efficiencySingle merge per runPhase 1 proxy (200 steps, seconds) → Phase 2 real merge (top-k only evaluated)

Significance of Second-Generation Evolution

  1. Proof of "Evolution of Evolution": The first systematic case of recursive evolution (2+ generations) in the open-source model merging community. Darwin V6 + MRI automates the entire process.

  2. 85% GPQA Diamond at 4.5B parameters: +26.4%p over the original 58.6%. This surpasses the 31B-class gemma-4-31B (84.3%) with only 4.5B parameters — an exceptional result in parameter efficiency.

  3. Apache 2.0 + Edge deployment: Preserves the Gemma 4 E4B architecture, enabling deployment on Jetson Orin NX 16GB and consumer GPUs with no commercial restrictions.

  4. Multimodal preservation: Father's vision encoder (~150M) and audio encoder (~300M) are frozen during evolution, maintaining image/video/audio input capabilities.

  5. Community synergy: Mother model creator DavidAU is an active contributor on HuggingFace. Darwin-4B-David symbolizes collaborative evolution within the open-source ecosystem.


Model Specifications

ArchitectureGemma 4 E4B Dense
Effective Parameters4.5B (8B total with embeddings)
Layers42
Sliding Window512 tokens
PrecisionBF16
Context128K
Vocabulary262K
Languages140+
Thinkingenable_thinking=True chain-of-thought
Vision Encoder~150M (image, video)
Audio Encoder~300M (speech recognition)
LicenseApache 2.0

Usage

Transformers

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

tokenizer = AutoTokenizer.from_pretrained("FINAL-Bench/Darwin-4B-David", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    "FINAL-Bench/Darwin-4B-David",
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

messages = [{"role": "user", "content": "Prove that sqrt(2) is irrational."}]
text = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True, enable_thinking=True
)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=4096, do_sample=False)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))

Disable Thinking Mode

text = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True, enable_thinking=False
)

VRAM Requirements

SetupVRAMStatus
BF16 Full Precision~16 GB
NVIDIA RTX 4090 24GB24 GBSingle GPU, very comfortable
NVIDIA RTX 3090 24GB24 GBSingle GPU, comfortable
NVIDIA RTX 4080 16GB16 GBSingle GPU
NVIDIA T4 16GB16 GBCloud/Colab friendly
Jetson Orin NX 16GB16 GBEdge deployment ready

Darwin Opus Family

ModelGenArchitectureParametersContextBaseGPQA Diamond
Darwin-4B-David🥈 Gen 2Dense (E4B)4.5B128KDarwin-4B-Opus × DECKARD85.0%
Darwin-4B-OpusGen 1Dense (E4B)4.5B128Kgemma-4-E4B-it—
Darwin-9B-OpusGen 1Dense9B131KQwen3.5-9B—
Darwin-31B-OpusGen 1Dense31B256Kgemma-4-31B-it—
Darwin-35B-A3B-OpusGen 1MoE35B (3B active)256KQwen3.5-35B-A3B90.0%

Roadmap

  • Full 198-question GPQA Diamond evaluation (maj@8)
  • MTI (Minimal Test-Time Intervention) serving — expected additional +9-11% reasoning accuracy
  • GRPO + TinyLoRA reinforcement learning
  • SSD self-distillation
  • Cross-architecture breeding research (Transformer × Mamba FFN transplantation)

References


Built By

DeveloperVIDRAFT
EngineDarwin V6 (Diagnostic-Guided Evolutionary Merge)
GenerationGeneration 2 — First in Darwin history
ArchitectureGemma-4-E4B Dense
LicenseApache 2.0

Citation

@misc{vidraft_darwin_4b_david_2026,
  title        = {Darwin-4B-David: First Second-Generation Evolutionary Merge Model},
  subtitle     = {Recursive Evolution Achieves 85\% GPQA Diamond with 4.5B Parameters},
  author       = {VIDRAFT},
  year         = {2026},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/FINAL-Bench/Darwin-4B-David}}
}

This model is introduced in Darwin Family.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
1713f20

0 моделей